一种完全自动化的数字认知行为疗法在失眠治疗中的长期临床疗效和成本效益：一项单盲、优效性、随机对照试验的2年随访研究

《The Lancet Regional Health - Europe》：Long-term clinical and cost-effectiveness of a fully automated digital cognitive behavioural therapy for insomnia: 2-year follow-up of a single-blind, superiority, randomised controlled trial

【字体：大中小】 时间：2026年05月10日 来源：The Lancet Regional Health - Europe 13

编辑推荐：

　　**丹尼尔·韦特（Daniel Vethe）|扎琳·A·汗（Zareen A. Khan）|塞西莉·L·韦斯特加德（Cecilie L. Vestergaard）|维达尔·哈尔斯坦利（Vidar Halsteinli）|西蒙·B·萨克斯维克（Simen B. Saksvik）|厄斯泰因·维达（?ystein Vedaa）|伯约格·西沃特森（B?rge Sivertsen）|古纳尔·莫尔肯（Gunnar Morken）|克努特·朗斯鲁德（Knut Langsrud）|李·M·里特 band（Lee M. Ritterband）|奥托·罗伯特·F·史密斯（Otto Robert F Smith）|Jan Scott|哈瓦尔德·卡莱斯塔德（H?vard Kallestad）**
**挪威特隆赫姆大学医院圣奥拉夫医院心理健康诊所**

**摘要**
**背景**
我们评估了完全自动化的数字认知行为疗法（dCBT-I）或在线患者教育（PE）在挪威普通人群中的长期临床效果和成本效益。

**方法**
这是一项平行组、参与者盲法的优效性随机对照试验，对象为自我报告有严重失眠症状的成年人（失眠严重程度指数 [ISI] ≥12）。参与者在随机化前完成了自动化筛查，随访期持续2年。主要结果（9周的临床效果）已发表。我们现在报告6个月和2年随访的意图治疗分析。通过非参数自助法计算增量成本效益比（ICER），以2019欧元为单位汇总组间社会成本，并计算质量调整生命年（QALYs）。该试验已在ClinicalTrials.gov（NCT02558647）上预注册，并遵循预先规定的协议。

**结果**
2016年2月26日至2018年7月1日期间，共有1720名参与者（1167名[67.8%]为女性；平均年龄44.4岁）被随机分为两组：dCBT-I组（867人）和PE组（853人）。最终随访时，dCBT-I组有587人（34.1%），PE组有272人，中位随访时间为基线后28.3个月（IQR 22.6至34.0个月）。2年随访时，dCBT-I组的平均ISI为10.7（SD 5.9），PE组为13.4（SD 5.9）（估计差异：?1.77 [95% CI: ?2.65 to ?0.90]；Cohen’s d= ?0.43）。dCBT-I组的成本降低了€278 [95% CI: ?1413 to 858]，QALYs增加了0.025 [95% CI: 0.010 to 0.041]，在€0的支付意愿下，其成本效益概率为94%（ICER: €10,973每增加一个QALY）。未报告任何危害或不良事件。

**解读**
与在线PE相比，完全自动化的低门槛dCBT-I在短期（9周）和长期（≥2年）内都能显著改善失眠严重程度，并且在2年的时间范围内可能是具有成本效益的。然而，效果会随时间减弱，长期效果的确定性受到流失率的限制。

**资助**
挪威研究委员会；挪威中部教育、研究与创新联络委员会。

**研究背景**
我们在PubMed、Embase和PsycINFO数据库中检索了2016年1月13日之前的相关文献，使用与失眠、失眠认知行为疗法（CBT-I）、数字或互联网交付方式及随机试验相关的关键词，不限制语言。一项对11项数字CBT-I随机对照试验的荟萃分析显示，这些疗法对失眠严重程度有从小到大的影响，但涵盖了 therapist-guided 和 automated dCBT-I；这些试验规模较小，且未保留对照组进行6个月后的随访评估。为了纳入更多近期证据，我们于2025年8月更新了文献检索。2025年的一项更新后的荟萃分析包括29项研究，发现自动化数字CBT-I有中度至较大的效果，但只有3项研究进行了超过6个月的随访。

**本研究的价值**
这是首次报告在普通人群中进行的自动化数字CBT-I 2年随访结果的研究，整个过程中无需临床医生参与招募、筛查、治疗或随访。自我引导的数字评估后进行的自动化CBT-I在干预后两年内持续改善了失眠严重程度，并从社会、医疗保健、雇主和患者的角度来看都具有成本效益。该干预还增加了2年内的质量调整生命年（QALYs）。研究还表明，成功的失眠治疗与两年后健康相关结果的改善有关。作为持续时间最长的随机对照评估以及首个长期经济效果评估，这些发现直接填补了关于自动化CBT-I持久性和成本效益的重要证据空白。

**所有现有证据的意义**
累积的证据支持在普通人群中实施自动化数字CBT-I。它在多个维度上都具有临床有效性和成本效益，且采用可扩展的模式，参与者无需治疗师参与即可自行开始干预，适合整合到公共或私人阶梯式护理模式中。实施过程中应监测参与度、公平性和安全性，并通过实际评估来优化在常规实践中的覆盖率和效果。需要进一步研究以评估其在临床人群和伴有复杂共病群体的效果，以及通过适应性交付模式或复发预防策略是否可以增强长期效益。

**引言**
失眠是一种慢性疾病，影响12-16%的普通人群。其特征是入睡和/或维持睡眠困难，以及日间功能受损。长期不良后果包括心理压力、疲劳和生活质量下降。经济后果包括工作效率降低、病假和医疗服务使用增加、药物使用增加以及精神和身体健康风险增加。在挪威，失眠的年度社会成本约为48亿欧元。失眠的认知行为疗法（CBT-I）是推荐的一线治疗方法，但由于合格临床医生的短缺以及许多医疗系统中公共卫生服务的覆盖范围有限，其可用性仍受限制。为解决这一问题，开发了数字CBT-I（dCBT-I）干预措施，范围从治疗师指导的形式到完全自动化程序。自动化dCBT-I因其可扩展性而具有吸引力，因为它不需要临床人员，从而可能显著降低成本。

**自动化dCBT-I的临床效果**
虽然自动化dCBT-I在短期（9周）和长期（≥2年）内改善失眠严重程度的效果不如面对面CBT-I显著，但与不治疗、等待名单对照组或自我帮助相比，它在减轻失眠严重程度和抑郁症状方面更为有效。已发表的随机对照试验（RCTs）持续时间较短，或缺乏长期评估的对照组。三项研究提供了超过6个月的随访数据，但这些研究的范围有限。其中一项专门关注抑郁预防，另一项仅限于同时患有抑郁和失眠症状的个体。第三项研究在1年随访时报告了失眠和睡眠相关结果，但未评估更广泛的健康相关结果。因此，关于自动化dCBT-I在普通人群中的长期效果的证据有限。

**公共卫生视角**
失眠与精神疾病存在前瞻性关联。dCBT-I对抑郁和疲劳有积极作用，且在CBT-I治疗期间失眠严重程度的改善会介导身心健康结果的变化。目前尚不清楚失眠治疗是否会改善其他健康方面或功能，也不清楚这些益处是否通过改善失眠严重程度来实现。此外，尚不清楚dCBT-I对全科医生（GP）就诊次数或其他医疗服务使用的影响。关于失眠筛查和治疗的成本及经济影响的理解有限，大多数研究评估的是引导式dCBT-I，只有两项观察性研究考察了自动化干预。2024年的一项研究发现dCBT-I在中风患者中具有成本效益，但由于样本量小和评估时间仅8周，未能检测到经济效果的差异。另一项研究发现了潜在的服务成本降低，但基于单臂回顾性数据分析。关于社会成本，最近的荟萃分析表明，引导式dCBT-I可能提高工作效率，而完全自动化dCBT-I可能通过改善失眠严重程度来减少缺勤。然而，自动化dCBT-I的成本效益尚未得到充分探索，缺乏稳健的经济证据是其广泛应用的主要障碍。

**本研究的重要性**
我们进行了大规模的RCT，比较了自动化dCBT-I与在线患者教育（PE）在2年内的效果。PE的内容基于专注于失眠的网站推荐的干预措施，是面对面疗法在普通人群中的现实替代方案。我们的先前研究表明，dCBT-I在9周时的临床效果优于PE（d = 1.21）。本研究评估了：1）2年随访时两组之间的失眠严重程度差异以及从社会角度审视的干预成本效益；2）两组在日间功能损伤（疲劳、心理压力、生活质量）方面的差异，以及干预后失眠严重程度的改善是否介导了2年内的心理压力和疲劳的长期变化。被分配到体育活动（PE）组的参与者可以立即访问一个静态网站，该网站提供了关于失眠症的信息（患病率、原因等），以及改善睡眠的行为建议（例如刺激控制和睡眠卫生教育）。阅读这些内容需要30-45分钟，同时还可以下载一个为期7天的睡眠日记。体育活动内容是根据对现有失眠症教育网站的回顾定制的，并与其他SHUTi随机对照试验（RCTs）中使用的对照干预措施相匹配的。10,12

**结果**

我们在6个月和2年的随访时报告了ISI结果（主要结果在其他地方报告）。12 ISI是一种经过验证的自评工具，具有很强的心理测量属性，被广泛推荐用于失眠症研究。23 它包含七个项目，用于评估过去两周内失眠症状的性质、严重程度和功能影响。得分越高，表示失眠症状越严重。ISI可用于报告反应（ISI从基线减少≥8分）和缓解（ISI得分<8分）。

其他结果包括：由于ISI用于评估参与资格，因此使用了Bergen失眠量表（BIS）26作为补充的失眠测量工具。BIS包含六个项目，得分越高表示失眠严重程度越大。在所有随访中，参与者被要求使用专为失眠症研究开发的Consensus睡眠日记27，在14天内至少记录10天的睡眠情况。23 数据包括起床时间（小时）、就寝时间（小时）、入睡潜伏期（分钟）、睡眠后醒来时间（分钟）、清晨醒来时间（分钟）、总睡眠时间（小时）、卧床时间（小时）和睡眠效率（%）。心理困扰和疲劳通过14项医院焦虑抑郁量表（HADS）28和Chalder疲劳问卷（CFQ；11项，用于测量身体和心理疲劳以及症状的持续时间和强度）29进行评估。两个量表的得分越高，表示情况越严重。健康相关生活质量（HRQoL）使用Short Form-6D（SF-6D；源自SF-12）并应用英国一般人群效用权重进行评估。30 没有系统地记录不良事件，但鼓励参与者在遇到任何健康问题或技术困难时联系研究团队。体育活动和CBT-I都被认为是低风险的干预措施。下面我们总结了成本效益评估的方法（详见附录B）。

试验方案中列出的次要结果但未在此报告的包括：简短晨夜性问卷、简短的功能障碍信念和态度量表16、关于疼痛、身体健康、身体活动和心理健康症状的问卷项目（改编自Tr?ndelag健康研究）、酒精使用障碍识别测试-消费、电子媒体使用、互联网干预评估、长期使用睡眠策略以及治疗的负面影响。这些结果将在专门的论文中报告。有关完整概述，请参见附录C。

**成本效益分析**

一项试验内的成本-效用分析估计了dCBT-I与PE在2年内的增量成本效益。成本效益以增量成本效益比率（ICER）表示，定义为每获得一个质量调整生命年（QALY）的增量成本。根据挪威针对低严重程度情况的指导原则，将结果与每QALY 30,000欧元的支付意愿（WTP）阈值进行了评估。31 QALY是通过使用梯形法则30计算SF-6D效用分数在基线、9周、6个月和2年时间间隔下的累积面积得出的（附录B第7页）。在基准情况下，我们采用了社会视角，因为干预措施是完全自动化的，并在一般人群中提供。

社会成本包括项目成本、医疗成本、生产力成本和患者自付费用。我们从支付给合作方弗吉尼亚大学的一次性许可费中估算了dCBT-I和PE的项目成本（附录B第8页）。医疗成本包括全科医生就诊、门诊就诊和睡眠药物使用。医疗服务使用是预先指定的，来源于登记数据20，但由于物流限制，只使用了患者在基线、6个月和2年时的自我报告数据。全科医生和门诊就诊精神科医生或其他专科医生的情况（是/否，3个月回忆），以及每日睡眠药物使用情况（是/否，来自睡眠日记），在2年时被总结为比值比。访问量是为2年随访估计的，并使用公开可用的单位成本进行估值。使用常用非处方睡眠药物的最高零售价格，将服用睡眠药物的天数转换为成本（附录B第8-9页）。

工作生产力和活动障碍通过工作生产力和活动障碍问卷（WPAI）32在预设的随访时间点进行测量，将 respondence总结为缺勤时间（1个月回忆）和出勤时间（1周回忆），以及日常活动中的活动障碍百分比（1周回忆）。生产力成本是根据挪威的全国平均小时工资计算的（附录B第9-10页）。成本以2019年挪威克朗计价，并使用兑换率€1 = 9.85挪威克朗转换为欧元（附录B，补充表S5）。由于6个月和2年的成本和结果无法按年份分开，因此未进行折现。我们通过从患者、雇主和医疗保健的角度估算ICER来补充基准情况分析（附录B第8页）。在试验方案中列出但未在此报告的次要结果包括：简短晨夜性问卷、简短的功能障碍信念和态度量表16、关于疼痛、身体健康、身体活动和心理健康症状的问卷项目（改编自Tr?ndelag健康研究）、酒精使用障碍识别测试-消费、电子媒体使用、互联网干预评估、长期使用睡眠策略以及治疗的负面影响。这些结果将在专门的论文中报告。有关完整概述，请参见附录C。

**统计分析**

基于先前的dCBT-I与PE的试验，9,10 模拟了486名参与者（每组243名）的样本量，估计能够以80%的统计功效（p < 0.05）检测到干预后ISI的中等到较大的效果，假设50%的流失率。为了确保有足够的功效检测2年随访结果中的差异，包括病假和医疗保健使用情况，目标样本量预先增加到1500名参与者（详见方案）。18 为了研究dCBT-I对临床结果的影响，我们在Mplus中使用了带有分类时间点（干预后、6个月和2年）的重复测量模型。该模型在广义结构方程建模（SEM）框架中参数化，作为具有时间特定变化因素的潜在增长模型，以估计每个随访时期的平均变化以及组间这些变化的差异。时间特定变化因素的方差被固定为零（即没有随机斜率），所得估计结果相当于使用受试者级随机截距的标准重复测量线性混合模型的结果。所有Mplus模型都采用了稳健的最大似然估计，假设数据是随机缺失的（MAR）。组间标准化效应大小（Cohen’s d）是通过将组间模型估计的变化与合并的基线标准差相除计算得出的。12,33 由于标准化效应可能会根据使用的是终点标准还是变化分数标准而有所不同，34 我们还在表1的脚注中添加了每个随访时期的标准化平均差异。

**表1. 与睡眠、日间功能和心理健康相关的潜在增长模型估计结果**

| | 睡眠相关指标 | 日间功能相关指标 | 心理健康相关指标 |
|------|-----------------|-----------------|-----------------|
| 基线 | | | |
| 6个月随访 | | | |
| 2年随访 | | | |
| ISI | 867 | 421 | 303 |
| BIS | 867 | 315 | 315 |
| 睡眠潜伏期 | 868 | 354 | 287 |
| 睡后醒来 | 868 | 287 | 287 |
| 清晨醒来 | 868 | 287 | 287 |
| 卧床时间 | 868 | 868 | 868 |
| 总睡眠时间 | 868 | 868 | 868 |
| 睡眠效率 | 868 | 868 | 868 |

**数字认知行为疗法（dCBT-I）**统计显著性定义为双侧α < 0.05。研究经费来源未参与设计、数据收集、分析、解释或手稿准备。结果：临床有效性分析参与者在2016年2月26日至2018年7月1日期间被招募，共计1720人纳入意向治疗人群，平均年龄为44.4岁（标准差13.9岁；范围18–90岁）。其中，1167人（67.8%）为女性，1074人（62.4%）已婚或同居。样本平均受教育年限为16.3年（标准差2.9年）。共病情况普遍：589人（34.3%）报告有心理健康问题，211人（12.3%）报告有身体健康问题，199人（11.6%）同时患有精神和身体健康问题。大约40%的人报告睡眠问题持续超过10年（详见附录A，补充表S1中的基线特征）。在6个月的随访中，dCBT-I组有421人（49%）和PE组有388人（45%）完成了主要临床结果指标（ISI）的测量（图1）。在2年的随访中，dCBT-I组有315人（36%）和PE组有272人提供了ISI数据，中位随访时间为从基线起28.3个月（四分位数区间22.6至34.0个月）。在dCBT-I组中，402人（46%）在干预期间完成了所有六个治疗核心部分（详见Vedaa等人，2020年的研究）。图1显示，在所有时间点上，dCBT-I组在失眠严重程度上都显著优于PE组，2年随访时的平均差异估计为?1.77（95%置信区间：?2.65至?0.90；Cohen’s d = ?0.43；BIS也有类似的趋势）。dCBT-I组的响应率和缓解率一直较高（附录A，补充表S2）。敏感性分析显示，6个月随访时ISI结果的效应量（ES）相似（PMM1：d = ?0.87 [95%置信区间：?1.08至?0.66]；PMM2：d = ?0.86 [95%置信区间：?1.07至?0.66]）。2年随访时，在假设MNAR的情况下，估计的ES略低于表1中的数值（PMM1：d = ?0.28 [95%置信区间：?0.54至?0.02]；PMM2：d = ?0.30 [95%置信区间：?0.55至?0.04]）。在delta调整的MNAR临界点分析中，当假设dCBT-I组2年结果缺失比MAR模型预测的差1.36 ISI点时，组间差异的统计显著性消失，而组间差异减弱为?0.88 ISI点。在2年随访时，一些其他临床结果指标也观察到了积极的效应，但并非全部（见表1）。睡眠日记数据证实，在2年随访时，dCBT-I组在多个睡眠参数上有所改善，包括WASO、TIB和SE。中介分析显示，dCBT-I通过在9周时的ISI对HADS有显著的间接效应。成本效益分析显示，dCBT-I组在6个月时的SF-6D指数使用率降低了52%，而到2年时，两组之间的差异不再具有统计学意义（表2）。表2显示，线性混合模型估计dCBT-I组相比PE组在2年时的QALY增加了0.025（95%置信区间：0.010至0.041；p = 0.001）。从社会角度来看，dCBT-I相比PE组节省了278欧元（95%置信区间：?1413至€858），2年时dCBT-I是更具成本效益的策略，ICER为?€10,973每获得1 QALY。通过自举估计，有94%的可能性表明该干预措施具有更低的成本和更高的QALY，且与每QALY 30,000欧元的WTP阈值相比，该干预措施具有成本效益。图2中的成本效益平面显示了平均ICER的不确定性，而随附的接受度曲线显示了在不同WTP阈值下成本效益的概率。将基准案例分析扩展到不同的视角和时间范围后，发现在2年时，dCBT-I在医疗保健部门、雇主和患者视角下都比PE组更具成本效益（附录B，补充表S9）。在6个月时，dCBT-I在所有视角下也都具有成本效益，但2年时的增量QALY较低（附录B，补充表S10）。单向确定性分析表明，在2年时间内，与PE组相比，dCBT-I的成本效益在某些情况下仍然成立，即使dCBT-I组的方案成本最高达到每患者1110欧元，在医疗保健部门视角下为789欧元。即使在dCBT-I组的方案成本增加了20%，或在社会视角下增加了10%，其ICER仍然具有成本效益。在插补缺失值后，估计的增量QALY为0.014（95%置信区间：?0.002至0.030），增量成本为?€1750（95%置信区间：?€5446至€1946），这意味着相对于PE组，dCBT-I每获得1 QALY具有?€125,833的ICER。讨论表明，与在线患者教育相比，dCBT-I在2年时具有成本效益。将基准案例分析扩展到不同的视角和时间范围后，发现在2年时，dCBT-I在医疗保健部门、雇主和患者视角下都具有成本效益。此外，在6个月时，dCBT-I的增量QALY也较低（附录B，补充表S10）。许多其他临床结果也显示了类似的趋势。值得注意的是，尽管dCBT-I组的疲倦程度在整个随访期间显著较低，但心理困扰在两组之间没有差异。这些发现支持了一种机制模型，即失眠作为一种可调节的因素，长期影响着更广泛的心理福祉。这些发现表明，dCBT-I能够长期改善睡眠，通过增强睡眠连续性和主观睡眠感知来实现。对医疗利用的影响在后期显现出来，与PE组相比，dCBT-I组在2年时的全科医生访问次数显著减少，表明下游效益可能需要更长时间才能显现。总之，这些发现表明，dCBT-I能够在总体上改善睡眠质量，并提高医疗效率。然而，我们的结论受到2年结果数据缺失的限制，需要进一步验证。与之前关于dCBT-I在普通人群中的长期非对照研究一致，我们发现dCBT-I组内的ISI得分减少持续存在。然而，与PE组相比，组间差异在2年内减弱，这与短期RCTs和其他CBT-I传递格式的结果一致。这种效应随时间的减弱是预期之中的，可能反映了干预组的持续改善以及对照组症状的逐渐改善。尽管Cohen’s d约为0.5被认为是具有临床意义的短期至中期差异的基准，但在长期背景下，较小的效应也可能具有临床意义。这些发现表明，dCBT-I能够长期改善睡眠，并在人群层面产生显著的好处。此外，dCBT-I的市场价格——受到规模、定价模型和支付方的影响——可能会与我们估算的项目成本有所不同。我们通过单向确定性分析来解决这种价格不确定性问题。虽然我们估算的每位患者的最高项目成本与类似干预措施相比具有优势，但这些成本并不依赖于需求弹性。研究的一个局限性在于随访评估中的退出率不断增加。6个月时的响应率与之前设计相似且随访时间较短的试验相当或更高，但2年时的低响应率可能对临床和成本效益的估计产生了偏差。在长期数字干预试验中，尤其是自动化研究中，数据缺失是一个不可避免的挑战，而对数据缺失假设的敏感性对于得出稳健的结论至关重要。ISI估计的MNAR（Missing Not At Random）敏感性在6个月时与主要分析结果一致，但在2年时有所减弱。在保守的delta调整MNAR临界点分析中，当dCBT-I组出现轻微偏离MAR（δ = 1.36 ISI点）时，2年时的统计显著性未能维持；这表明关于疗效持续性的结论应谨慎解读。同样，增量成本在多重插补和各种MNAR情景下仍然具有稳健性，但在插补后增量QALY（Quality of Life Years）有所下降。

完全自动化程序的参与度各不相同，只有46%的dCBT-I参与者完成了全部六个核心环节。在我们的主要治疗后报告中，一项依从性平均因果效应（CACE）分析表明，完成整个项目的参与者获得了更大的改善。这表明治疗完成度，进而决定了患者实际接受到的dCBT-I的有效剂量是影响结果的关键因素。此外，行为依从性，即患者对治疗建议的遵守程度，也对CBT-I的结果有重要影响。这指出了完全自动化dCBT-I实施中的一个核心矛盾：在确保足够的个体参与度和依从性的同时，如何最大化可扩展性和覆盖范围。一种解决方法是通过阶梯式护理模型。将完全自动化的dCBT-I作为第一步提供，可以规避面对面CBT-I固有的可扩展性和可用性问题，并符合将CBT-I作为一线治疗的建议。尽管这种方法比将物理治疗（PE）作为一线干预措施成本更高，但本研究表明，项目成本可以通过长期减少的医疗使用和生产力提升来抵消。理想情况下，基线复杂性加上对症状、依从性和早期反应的持续监测，可以帮助识别那些不太可能从自我指导治疗中充分受益的个体，并及时将他们转介到治疗师辅助的数字或面对面CBT-I中。需要更多的研究来了解完全自动化dCBT-I中非响应的原因，并继续改进这些程序的用户体验。

总体而言，我们的研究结果表明，完全自动化dCBT-I在自动化资格筛选的情况下进行，且无需治疗师参与，能够显著改善失眠症状，并且在两年内效果持续存在，且与物理治疗相比具有成本效益。然而，效益的幅度会随时间减弱，长期推断对数据缺失的假设非常敏感。这些发现支持了dCBT-I作为常规护理中可扩展的一线干预手段的潜力，同时也强调了进一步研究和长期优化的必要性。

贡献者：HK和BS获得了资金支持。HK、?V和BS共同构思了这项研究。?V负责数据收集工作。CLV、ZAK、ORFS和DV整理了用于分析的数据。正式分析由ORFS、ZAK和DV完成。数据可视化工作由CLV、ZAK和DV负责。HK与VH和JS一起监督了整个研究过程并提供了指导。HK、CLV、ZAK和DV撰写了初稿。所有合作者共同参与了审稿和编辑工作。ORFS、?V、CLV、ZAK、HK和DV直接访问并验证了数据。最终决定提交手稿发表的责任由通讯作者承担。

数据共享声明：根据挪威法规，研究完成后不允许共享这些数据。如需获取统计代码，可向通讯作者提出合理请求。

关于写作过程中使用的生成式AI和AI辅助技术的声明：在准备这项工作时，作者使用了ChatGPT（GPT 4和GPT-5）来协助语言表达和文章流畅性。使用该工具/服务后，作者根据需要审查和编辑了内容，并对出版物的内容负全责。ChatGPT未被用于生成科学内容、进行分析或解释数据。

热点排行